1.1.1随着Internet技术的迅速发展，使得用户要想在信息海洋里查找目标信息，就如大海捞针一样，搜索引擎技术恰好解决了这一难题。搜索引擎是人们获取网络资源的主要工具，然而搜索引擎在给网络用户带来巨大便捷的同时, 由于其信息检索技术智能水平的限制以及对自然语言理解的制约，在网络信息的检索中存在许...
分类：
其他好文 时间：
2014-10-13 03:44:48
阅读次数：
186
http://www.cnblogs.com/ibook360/archive/2011/10/19/2217638.htmlLucene3.0之结果排序（原理篇）传统上，人们将信息检索系统返回结果的排序称为"相关排序"（relevance ranking），隐含其中各条目的顺序反映结果和查询的相关...
分类：
Web程序 时间：
2014-10-10 22:54:54
阅读次数：
270
字符串匹配是经常遇到的问题，比如信息检索、拼写检查，甚至是生物信息学中DNA相关的问题。1、比较简单的匹配算法是直接暴力匹配，算法原理：1)取指针i，j分别指向字符串S和目标串P，如果S[i] == P[j]，i和j分别自增。2)如果不相等，i回溯到初始位置的下一个位置，即i = i - j + 1...
分类：
其他好文 时间：
2014-10-07 22:05:14
阅读次数：
142
在看《信息检索导论》的时候看到了这个算法的实现，书里是用来演示如何将两个term的倒排列表求交集。伪代码如下：INTERSECT( p1, p2)1 answer ← {}2 while p1 != NIL and p2 != NILdo3 if docID( p1) = docID( p2)th....
分类：
其他好文 时间：
2014-09-28 18:03:53
阅读次数：
156
随着Internet技术的迅速发展，使得用户要想在信息海洋里查找目标信息，就如大海捞针一样，搜索引擎技术恰好解决了这一难题。搜索引擎是人们获取网络资源的主要工具，然而搜索引擎在给网络用户带来巨大便捷的同时, 由于其信息检索技术智能水平的限制以及对自然语言理解的制约，在网络信息的检索中存在许多不足。因此，搜索引擎优化（Search Engine Optimization，SEO）技术应运而生。
...
分类：
Web程序 时间：
2014-09-21 21:56:01
阅读次数：
301
2.1.1 文档分析及编码转换： 文档处理第一步，是将文件或web服务器上的一系列二进制字节序列转换为字符序列。 在实际中，首先要判断出文档的编码方式（机器学习分类、启发式等方法），确定文档的类型（word?zip?)然后将字节序列转换成字符序列。 2.1.2 文档单位（document unit)...
分类：
其他好文 时间：
2014-09-15 21:04:59
阅读次数：
250
Trie树，又称字典树，单词查找树。它来源于retrieval（检索）中取中间四个字符构成的。用于存储大量的字符串以便支持快速模式匹配。主要应用在信息检索领域。 Trie有三种结构：标准Trie(standard trie)，压缩Trie，后缀Trie(suffix trie)。 1、标准Trie ...
分类：
其他好文 时间：
2014-09-14 14:06:37
阅读次数：
242
Trie 树，又称字典树，单词查找树。它来源于retrieval(检索)中取中间四个字符构成(读音同try)。用于存储大量的字符串以便支持快速模式匹配。主要应用在信息检索领域。Trie 有三种结构： 标准trie (standard trie)、压缩trie、后缀trie(suffix trie)。...
分类：
其他好文 时间：
2014-09-05 09:56:01
阅读次数：
197
Bag-of-words简单介绍最初的Bag-of-words ，也叫做“词袋”，在信息检索中，Bag-of-words model假定对于一个文本，忽略其词序和语法，句法，将其只看做是一个词集合，或者说是词的一个组合，文本中每一个词的出现都是独立的，不依赖于其它词是否出现。应用于文本的BoW简单实...
分类：
其他好文 时间：
2014-08-25 14:51:14
阅读次数：
238
从外部看协同过滤 从互联网上寻找有用的信息越来越难，这催生了三类方法：信息检索、信息过滤和推荐系统。信息检索是指Google、百度这样的搜索引擎，这是一种被动的方式；信息过滤是指先对信息进行分类，再根据用户的偏好进行过滤，比如我们注册知乎/豆瓣/微博等时都会要求选择感兴趣的领域，之后会对我们选定领域...
分类：
其他好文 时间：
2014-08-24 01:32:51
阅读次数：
196
